Klassieke machine learning
Herken patronen en meet wat je model werkelijk leert.
Begin dit leerpadGetallen voorspellen en fouten begrijpen
Vind de lijn die het beste past
Voorspel een getal met een rechte lijn en bereken de kleinste-kwadratenoplossing met gecentreerde meetparen.
Nog te ontdekkenKies wat een fout je kost
Bereken MAE, MSE, RMSE en R² en herken wanneer een score niet gedefinieerd is.
Nog te ontdekkenLaat de lijn stap voor stap leren
Leid de MSE-gradiënten af en bouw een trainingslus die beide parameters samen bijwerkt.
Nog te ontdekkenJe eigen regressie naast scikit-learn
Train twee echte modellen, vergelijk ze op onbekende voorbeelden en teken hun voorspellingen.
Nog te ontdekkenVan een score naar een kans
Bouw een numeriek stabiele binaire classifier, train hem en gebruik ook scikit-learn.
Nog te ontdekkenVraag het aan de dichtstbijzijnde voorbeelden
Bouw k-nearest neighbors met voorspelbare ties en onderzoek de invloed van k.
Nog te ontdekkenWelke fouten maakt je classifier?
Lees een confusion matrix, bereken precision en recall en verschuif de beslisdrempel.
Nog te ontdekkenBetekent 80% ook ongeveer acht van tien?
Beoordeel voorspelde kansen met de Brier-score, kalibratiegroepen en een gewogen afwijking.
Nog te ontdekkenStel steeds één gerichte vraag
Bereken Gini-onzuiverheid, kies een split en bouw een kleine recursieve beslisboom.
Nog te ontdekkenLaat verschillende bomen samen beslissen
Maak bootstrapsteekproeven, vind out-of-bag-rijen en train een echt random forest.
Nog te ontdekkenLaat het volgende model de resterende fout leren
Bouw squared-error gradient boosting met echte regressiestompen en een leersnelheid.
Nog te ontdekkenZoek ruimte tussen de klassen
Bereken marges en hinge loss en verken een kernel zonder een volledige SVM-solver te verbergen.
Nog te ontdekkenLaat ieder voorbeeld een keer onbekend zijn
Bouw k-fold cross-validatie met een verse fit per fold en kies hyperparameters zonder de eindtest te gebruiken.
Nog te ontdekkenMeer kunnen passen is niet altijd beter
Scheid bias en variantie, bouw polynomiale features en tem coëfficiënten met ridge.
Nog te ontdekkenZoek groepen zonder antwoordlabels
Bouw Lloyds k-means-algoritme met toewijzing, centroidupdates en controle op lege clusters.
Nog te ontdekkenBewaar de richting met de meeste variatie
Bouw PCA met een covariantiematrix, eigenvectoren en een controleerbare reconstructie.
Nog te ontdekkenOnderzoek een puntenwolk met PCA en k-means
Maak driedimensionale data, leer een projectie, train echte clusters en vergelijk hun scheiding.
Nog te ontdekken